pandas统计分析基础.pptVIP

更改DataFrame中的数据，原理是将这部分数据提取出来，重新赋值为新的数据。 需要注意的是，数据更改直接针对DataFrame原数据更改，操作无法撤销，如果做出更改，需要对更改条件做确认或对数据进行备份。 查改增删DataFrame数据 2.更新修改DataFrame中的数据 DataFrame添加一列的方法非常简单，只需要新建一个列索引。并对该索引下的数据进行赋值操作即可。 新增的一列值是相同的则直接赋值一个常量即可。 查改增删DataFrame数据 3.为DataFrame增添数据 删除某列或某行数据需要用到pandas提供的方法drop，drop方法的用法如下。 axis为0时表示删除行，axis为1时表示删除列。 drop(labels, axis=0, level=None, inplace=False, errors=raise) 常用参数如下所示。 查改增删DataFrame数据 4.删除某列或某行数据 参数名称 说明 labels 接收string或array。代表删除的行或列的标签。无默认。 axis 接收0或1。代表操作的轴向。默认为0。 levels 接收int或者索引名。代表标签所在级别。默认为None。 inplace 接收boolean。代表操作是否对原数据生效。默认为False。 数值型数据的描述性统计主要包括了计算数值型数据的完整情况、最小值、均值、中位数、最大值、四分位数、极差、标准差、方差、协方差和变异系数等。在NumPy库中一些常用的统计学函数如下表所示。 pandas库基于NumPy，自然也可以用这些函数对数据框进行描述性统计。 描述分析DataFrame数据 1.数值型特征的描述性统计——NumPy中的描述性统计函数 函数名称 说明 函数名称 说明 np.min 最小值 np.max 最大值 np.mean 均值 np.ptp 极差 np.median 中位数 np.std 标准差 np.var 方差 np.cov 协方差 pandas还提供了更加便利的方法来计算均值 ，如detail[amounts].mean()。 pandas还提供了一个方法叫作describe，能够一次性得出数据框所有数值型特征的非空值数目、均值、四分位数、标准差。 描述分析DataFrame数据 1.数值型特征的描述性统计—— pandas描述性统计方法 方法名称 说明 方法名称 说明 min 最小值 max 最大值 mean 均值 ptp 极差 median 中位数 std 标准差 var 方差 cov 协方差 sem 标准误差 mode 众数 skew 样本偏度 kurt 样本峰度 quantile 四分位数 count 非空值数目 describe 描述统计 mad 平均绝对离差 描述类别型特征的分布状况，可以使用频数统计表。pandas库中实现频数统计的方法为value_counts。 pandas提供了categories类，可以使用astype方法将目标特征的数据类型转换为category类别。 describe方法除了支持传统数值型以外，还能够支持对category类型的数据进行描述性统计，四个统计量分别为列非空元素的数目，类别的数目，数目最多的类别，数目最多类别的数目。 描述分析DataFrame数据 2.类别型特征的描述性统计 1 掌握DataFrame的常用操作 目录 读写不同数据源的数据 2 转换与处理时间序列数据 3 在多数情况下，对时间类型数据进行分析的前提就是将原本为字符串的时间转换为标准时间类型。pandas继承了NumPy库和datetime库的时间相关模块，提供了6种时间相关的类。 转换字符串时间为标准时间 pandas时间相关的类 类名称 说明 Timestamp 最基础的时间类。表示某个时间点。在绝大多数的场景中的时间数据都是Timestamp形式的时间。 Period 表示单个时间跨度，或者某个时间段，例如某一天，某一小时等。 Timedelta 表示不同单位的时间，例如1天，1.5小时，3分钟，4秒等，而非具体的某个时间段。 DatetimeIndex 一组Timestamp构成的Index，可以用来作为Series或者DataFrame的索引。 PeriodtimeIndex 一组Period构成的Index，可以用来作为Series或者DataFrame的索引。 TimedeltaIndex 一组Timedelta构成的Index，可以用来作为Series或者DataFrame的索引。 其中Timestamp作为时间类中最基础的，也是最为常用的。在多数情况下，时间相关的字符串都会转换成为Timestamp。pandas提供了to_datetime函